本发明专利技术了一种图像冗余去除方法、图像冗余去除装置、存储介质和设备。该方法包括：对待压缩图像进行分块处理，形成若干幅块图像；计算每幅块图像的若干纹理方向的平均梯度，将平均梯度小于预定值的各个纹理方向作为主纹理方向；从预先构建的纹理方向与预测模式映射表中筛选出和所述主纹理方向对应的预测模式，构成预测模式候选表；计算所述块图像在所述预测模式候选表中每种预测模式下的信息熵，将信息熵最小的预测模式作为最优预测模式；根据所述最优预测模式计算所述块图像中每个当前像素的预测像素值。本方法为角度预测模式提供更多的预测可能性，可以更好地适应块内出现的不规则像素值变化，同时通过计算梯度来缩小候选范围，降低运算量。降低运算量。降低运算量。
【技术实现步骤摘要】
图像冗余去除方法、图像冗余去除装置、存储介质和设备
[0001]本专利技术属于图像处理
，具体地讲，涉及一种自适应不规则纹理的图像冗余去除方法、图像冗余去除装置、计算机可读存储介质、计算机设备。
技术介绍
[0002]图像原始信息的保留在医学诊断中有重大意义，若是使用有损压缩对原始位图进行处理，有可能丢失病灶信息，对医生诊断工作带来麻烦。在当今使用图像存档和通信系统以数字形式存储医疗和诊断数据的医院中，为了减轻存储设备的存储压力与能耗，医学图像需要进行压缩处理，而无损压缩是一项硬性要求。此外，无损压缩器重建的图像与原始图像相比完全相同，没有任何失真。因此，寻找高效无损的压缩方法一直是人们研究的首要目标。
[0003]基于HEVC（High Efficiency Video Coding）编码框架的无损编码方案中，帧内预测一般采用邻近两像素来预测当前像素，这种方案在面对纹理方向较为规则的图像时能取得良好的预测效果，有效地去除了图像空间冗余数据，且降低了后续进行无损压缩时算法的复杂度。但面对较为复杂的图像，尤其是纹理方向不规则的图像，被不规则的像素值变化影响造成预测效果不佳，难以达到有效的空间冗余去除。
技术实现思路
[0004]（一）本专利技术所要解决的技术问题本专利技术解决的技术问题是：如何提供一种能自适应不规则纹理的图像冗余去除方法。
[0005]（二）本专利技术所采用的技术方案一种自适应不规则纹理的图像冗余去除方法，所述图像冗余去除方法包括：对待压缩图像进行分块处理，形成若干幅块图像；计算每幅所述块图像的若干纹理方向的平均梯度，将平均梯度小于预定值的各个纹理方向作为主纹理方向；从预先构建的纹理方向与预测模式映射表中筛选出和所述主纹理方向对应的预测模式，构成预测模式候选表，其中所述预测模式候选表中包括第一类预测模式和第二类预测模式，在所述第一类预测模式下采用与当前像素相邻的两个像素来预测所述当前像素的像素值，在所述第二类预测模式下采用与当前像素相邻的三个像素来预测所述当前像素的像素值；计算所述块图像在所述预测模式候选表中每种预测模式下的信息熵，将信息熵最小的预测模式作为最优预测模式；根据所述最优预测模式计算所述块图像中每个当前像素的预测像素值，根据每个当前像素的预测像素值和原始像素值得到所述当前像素的预测残差。
[0006]优选地，每幅所述块图像的若干纹理方向包括八种，分别是垂直方向、水平方向、
左对角方向、右对角方向、水平偏上方向、水平偏下方向、垂直偏左方向和垂直偏右方向，每种纹理方向的平均梯度的计算公式为：种纹理方向的平均梯度的计算公式为：其中，N表示沿纹理方向上在块内共有N列，表示沿纹理方向第n行的第i个像素的像素值，表示沿纹理方向上第n列像素的平均值，表示沿纹理方向上第n列的平均梯度，表示纹理方向的平均梯度。
[0007]优选地，所述预先构建的纹理方向与预测模式映射表中每个纹理方向对应三个等级的模式集，每个模式集均含有第一类预测模式和第二类预测模式，其中第一级模式集对应的梯度值小于第一阈值，第二级模式集对应的梯度值大于第一阈值且小于第二阈值，第三级模式集对应的梯度值大于所述第二阈值，且所述第一级模式集、第二级模式集和第三级模式集中的预测模式数量递减，从预先构建的纹理方向与预测模式映射表中筛选出和所述主纹理方向对应的预测模式，构成预测模式候选表的方法为：根据每个所述主纹理方向的平均梯度、第一阈值和/或第二阈值的大小关系，筛选出相应等级的模式集作为所述主纹理方向的候选预测模式集，各个所述主纹理方向的候选预测模式集组成预测模式候选表。
[0008]优选地，当所述最优预测模式为第一类预测模式时，根据所述最优预测模式计算所述块图像中每个当前像素的预测像素值的计算方法为：其中，表示当前像素的预测像素值，表示预测模式对应的权重，和分别表示与当前像素相邻的两个像素的像素值。
[0009]优选地，当所述最优预测模式为第二类预测模式时，根据所述最优预测模式计算所述块图像中每个当前像素的预测像素值的计算方法为：其中，表示当前像素的预测像素值，表示预测模式对应的权重，、和分别表示与当前像素相邻的五个像素中任意三个像素的像素值，与当前像素相邻的五个像素分别为与当前像素相邻的左侧像素、左下侧像素、左上侧像素、上方像素和右上方像素。
[0010]优选地，每个当前像素的预测像素值包括红色分量预测值、绿色分量预测值和蓝色分量预测值，当前像素的预测残差的包括红色分量残差、绿色分量残差和蓝色分量残差，所述图像冗余去除方法还包括：根据绿色分量残差、红色分量残差和蓝色分量残差计算得到红色剩余残差和蓝色剩余残差，计算公式如下：，
，其中，为绿色分量残差，为当前像素的红色分量残差、蓝色分量残差，为当前像素的红色剩余残差和蓝色剩余残差，n为块图像的像素个数，为第i个像素的绿色分量残差，为第i个像素的红色分量残差、蓝色分量残差。
[0011]本申请还公开了一种自适应不规则纹理的图像冗余去除装置，其特征在于，所述图像冗余去除装置包括：图像分割单元，用于对待压缩图像进行分块处理，形成若干幅块图像；第一计算单元，用于计算每幅所述块图像的若干纹理方向的平均梯度，将平均梯度小于预定值的各个纹理方向作为主纹理方向；模式筛选单元，用于从预先构建的纹理方向与预测模式映射表中筛选出和所述主纹理方向对应的预测模式，构成预测模式候选表，其中所述预测模式候选表中包括第一类预测模式和第二类预测模式，在所述第一类预测模式下采用与当前像素相邻的两个像素来预测所述当前像素的像素值，在所述第二类预测模式下采用与当前像素相邻的三个像素来预测所述当前像素的像素值；第二计算单元，用于计算所述块图像在所述预测模式候选表中每种预测模式下的信息熵，将信息熵最小的预测模式作为最优预测模式；像素预测单元，用于根据所述最优预测模式计算所述块图像中每个当前像素的预测像素值，根据每个当前像素的预测像素值和原始像素值得到所述当前像素的预测残差。
[0012]本申请还公开了一种计算机可读存储介质，所述计算机可读存储介质存储有自适应不规则纹理的图像冗余去除程序，所述自适应不规则纹理的图像冗余去除程序被处理器执行时实现上述的自适应不规则纹理的图像冗余去除方法。
[0013]本申请还公开了一种计算机设备，所述计算机设备包括计算机可读存储介质、处理器和存储在所述计算机可读存储介质中的自适应不规则纹理的图像冗余去除程序，所述自适应不规则纹理的图像冗余去除程序被处理器执行时实现上述的自适应不规则纹理的图像冗余去除方法。
[0014]（三）有益效果本专利技术公开了一种自适应不规则纹理的图像冗余去除方法，相对于现有的空间冗余去除方法，具有如下技术效果：本方法充分利用相邻像素间的高度相关性，增加了更多的预测组合，为角度预测模式提供更多的预测可能性，可以更好地适应块内出现的不规则像素值变化，得到更准确的预测值，在块内主纹理方向上减少被不规则的像素值变化影响造成的预测效果不佳情况，将预测误差能量更集中在0附近，有效去除图像的空间冗余数据。同时将梯度计算运用至主纹理本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种自适应不规则纹理的图像冗余去除方法，其特征在于，所述图像冗余去除方法包括：对待压缩图像进行分块处理，形成若干幅块图像；计算每幅所述块图像的若干纹理方向的平均梯度，将平均梯度小于预定值的各个纹理方向作为主纹理方向；从预先构建的纹理方向与预测模式映射表中筛选出和所述主纹理方向对应的预测模式，构成预测模式候选表，其中所述预测模式候选表中包括第一类预测模式和第二类预测模式，在所述第一类预测模式下采用与当前像素相邻的两个像素来预测所述当前像素的像素值，在所述第二类预测模式下采用与当前像素相邻的三个像素来预测所述当前像素的像素值，其中，所述预先构建的纹理方向与预测模式映射表中每个纹理方向对应三个等级的模式集，每个模式集均含有第一类预测模式和第二类预测模式，其中第一级模式集对应的梯度值小于第一阈值，第二级模式集对应的梯度值大于第一阈值且小于第二阈值，第三级模式集对应的梯度值大于所述第二阈值，且所述第一级模式集、第二级模式集和第三级模式集中的预测模式数量递减；计算所述块图像在所述预测模式候选表中每种预测模式下的信息熵，将信息熵最小的预测模式作为最优预测模式；根据所述最优预测模式计算所述块图像中每个当前像素的预测像素值，根据每个当前像素的预测像素值和原始像素值得到所述当前像素的预测残差。2.根据权利要求1所述的自适应不规则纹理的图像冗余去除方法，其特征在于，每幅所述块图像的若干纹理方向包括八种，分别是垂直方向、水平方向、左对角方向、右对角方向、水平偏上方向、水平偏下方向、垂直偏左方向和垂直偏右方向，每种纹理方向的平均梯度的计算公式为：
ꢀꢀ
（1）
ꢀꢀ
（2）其中，N表示沿纹理方向上在块内共有N列，表示沿纹理方向第n行的第i个像素的像素值，表示沿纹理方向上第n列像素的平均值，表示沿纹理方向上第n列的平均梯度，表示纹理方向的平均梯度。3.根据权利要求2所述的自适应不规则纹理的图像冗余去除方法，其特征在于，从预先构建的纹理方向与预测模式映射表中筛选出和所述主纹理方向对应的预测模式，构成预测模式候选表的方法为：根据每个所述主纹理方向的平均梯度、第一阈值和/或第二阈值的大小关系，筛选出相应等级的模式集作为所述主纹理方向的候选预测模式集，各个所述主纹理方向的候选预测模式集组成预测模式候选表。4.根据权利要求3所述的自适应不规则纹理的图像冗余去除方法，其特征在于，当所述最优预测模式为第一类预测模式时，根据所述最优预测模式计算所述块图像中每个当前像
素的预测像素值的计算方法为：其中，表示当前像素的预测像素值，表示预测模式对应的权重，和分别表示与当前像素相邻的两个像素的像素值。5.根据权利要求2所述的自适应不规则纹理的图像冗余去除方法，其特征在于，当所述最优预测模式为第二类预测模式时，根据所述最优预测模式计算所述块图像中每个当前像素的预测像素值的计算方法为：其中，表示当前像素的预测像素值，表示预测模式对应的权重，、和分别表示与当前像素相邻的五个像素中任意三个像素的像素值，与当前像素相邻的五个像素分别为与当前像素相邻的左侧像素、左下侧像素、左上侧像素、上方像素和右上方像素。6.根据权利要求5所述的自适应不规则纹理的...
【专利技术属性】
技术研发人员：马婷，谢浩生，向思皓，黄胜，
申请(专利权)人：江苏势通生物科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。